- Analyse des données importées
- Nettoyage des données
- Statistiques descriptives
- Analyse des composantes principales (ACP)
- Clustering
- Bonus
Janvier 2019
Plan
1. Analyse des données importées
Introduction
Le dataset contient toutes les ventes enregistrées par un magasin en ligne basé au Royaume-Uni. Le magasin vend des cadeaux pour toutes les occasions.
8 variables
1. InvoiceNo: Numéro de la facture
2. StockCode: Numéro d'identification du produit (C indique une annulation)
3. Description: Description du produit
4. Quantity: Quantités de pièces commandées
5. InvoiceDate: Date et heure de la facture
6. UnitPrice: Prix à l'unité en livre sterling
7. CustomerID: ID du client (NA lors de modifications de stock)
8. Country: Pays destinataire
1. Analyse des données importées
Source
UCI Machine Learning Repository
https://archive.ics.uci.edu/ml/datasets/Online+Retail
Période
Du 1/12/10 08:26 au 9/12/11 12:50
Taille
541909 lignes dans le dataset
2. Nettoyage des données
a. Données non pertinentes
1. C: Annulations
2. C2: Transport
3. D: Réductions
4. POST: Frais postaux
5. M: Ajouts manuels
6. BANK CHARGES: Frais bancaires
7. PADS: Frais d'emballage
8. DOT: DOTCOM POSTAGE
9. Prix à l'unité < 0
10. Quantité < 0
11. CustomerID = NA
2. Nettoyage des données
b. Nombre de lignes nettoyées
541909 lignes au départ
396337 lignes après nettoyage
391150 lignes après suppression des doublons
Pourcentage nettoyé : 27.81998 %
3. Statistiques descriptives
Introduction
i. Nombre de pays: 37 (dont 1 'unspecified')
ii. Nombre de factures (uniques): 18402
iii. Nombre de clients (uniques): 4334
iv. Nombre de produits (uniques): 3659
3. Statistiques descriptives
b. Analyse des ventes selon les pays
3. Statistiques descriptives
b. Analyse des ventes selon les pays
3. Statistiques descriptives
b. Analyse des ventes selon les pays
3. Statistiques descriptives
c. Analyse des ventes
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.38 157.14 301.65 474.80 463.07 168469.60
3. Statistiques descriptives
c. Analyse des ventes
Factures par mois en 2011
3. Statistiques descriptives
c. Analyse des ventes
Factures par jour en 2011
3. Statistiques descriptives
c. Analyse des ventes
Factures selon l'heure de la journée en 2011
3. Statistiques descriptives
c. Analyse des ventes
Chiffre d'affaires par mois
4.1 PCA pays
Agrégation des données de tous les pays
4.1 PCA pays
Agrégation des données des pays hors UK
4.1 PCA pays
Agrégation des données des pays hors UK
Matrice des corrélations
NbOfProduct Turnover NbOfCustomers NbOfInvoice NbOfProduct 1.0000000 0.8167573 0.7181459 0.8766853 Turnover 0.8167573 1.0000000 0.5298723 0.7757819 NbOfCustomers 0.7181459 0.5298723 1.0000000 0.8919510 NbOfInvoice 0.8766853 0.7757819 0.8919510 1.0000000
4.1 PCA pays
Agrégation des données des pays hors UK
Sommaire des composants
Importance of components:
Comp.1 Comp.2 Comp.3 Comp.4
Standard deviation 1.7951395 0.6977192 0.37087114 0.20495248
Proportion of Variance 0.8286495 0.1251803 0.03536882 0.01080142
Cumulative Proportion 0.8286495 0.9538298 0.98919858 1.00000000
4.1 PCA pays
Agrégation des données des pays hors UK
4.1 PCA pays
Agrégation des données des pays hors UK
Poids des variables originales dans les composants
Loadings:
Comp.1 Comp.2 Comp.3 Comp.4
NbOfProduct 0.516 0.207 0.816 0.155
Turnover 0.470 0.672 -0.515 0.247
NbOfCustomers 0.474 -0.687 -0.221 0.504
NbOfInvoice 0.536 -0.182 -0.138 -0.813
Comp.1 Comp.2 Comp.3 Comp.4
SS loadings 1.00 1.00 1.00 1.00
Proportion Var 0.25 0.25 0.25 0.25
Cumulative Var 0.25 0.50 0.75 1.00
4.1 PCA pays
Agrégation des données des pays hors UK
Lien entre les composants et les variables (axis1)
4.1 PCA pays
Agrégation des données des pays hors UK
Lien entre les composants et les variables (axis2)
4.1 PCA pays
Agrégation des données des pays hors UK
Cercle de corrélation
4.1 PCA pays
Agrégation des données des pays hors UK
Projection des données
NULL
4.2 PCA produits
Agrégation de tous les produits
4.2 PCA produits
Agrégation de tous les produits
Matrice des corrélations
Quantity Purchases NbOfCustomers Avg UnitPrice
Quantity 1.00000000 0.7474641 0.61811828 -0.08826218
Purchases 0.74746408 1.0000000 0.68451970 0.04854800
NbOfCustomers 0.61811828 0.6845197 1.00000000 -0.05353721
Avg UnitPrice -0.08826218 0.0485480 -0.05353721 1.00000000
NbOfCountry 0.45721675 0.4889382 0.78839734 -0.04236737
NbOfCountry
Quantity 0.45721675
Purchases 0.48893816
NbOfCustomers 0.78839734
Avg UnitPrice -0.04236737
NbOfCountry 1.00000000
4.2 PCA produits
Agrégation de tous les produits
Sommaire des composants
Importance of components:
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
Standard deviation 1.7030522 1.0056865 0.8236076 0.4957014 0.40347502
Proportion of Variance 0.5802359 0.2023364 0.1357030 0.0491574 0.03256732
Cumulative Proportion 0.5802359 0.7825723 0.9182753 0.9674327 1.00000000
4.2 PCA produits
Agrégation de tous les produits
4.2 PCA produits
Agrégation de tous les produits
Poids des variables originales dans les composants
Loadings:
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
Quantity 0.487 0.535 0.685
Purchases 0.504 -0.137 0.421 -0.638 -0.377
NbOfCustomers 0.536 -0.303 -0.225 0.755
Avg UnitPrice -0.989 0.119
NbOfCountry 0.470 -0.665 0.240 -0.528
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
SS loadings 1.0 1.0 1.0 1.0 1.0
Proportion Var 0.2 0.2 0.2 0.2 0.2
Cumulative Var 0.2 0.4 0.6 0.8 1.0
4.2 PCA produits
Agrégation de tous les produits
Lien entre les composants et les variables (Axis1)
4.2 PCA produits
Agrégation de tous les produits
Lien entre les composants et les variables (Axis2)
4.2 PCA produits
Agrégation de tous les produits
Cercle de corrélation
4.2 PCA produits
Agrégation de tous les produits
Projection des données
NULL
5.1 Clustering des pays
Calcul du nombre de clusters (Elbow Method)
5.1 Clustering des pays
Table des clusters
1 2 3 4 24 2 2 8
5.1 Clustering des pays
5.1 Clustering des pays
Clusters sur base du PCA
5.2 Clustering des produits
Calcul du nombre de clusters (Elbow Method)
5.2 Clustering des produits
Table des clusters
1 2 3 4 5 10 1034 261 6 2348
5.2 Clustering des produits
5.2 Clustering des produits
Clusters sur base du PCA
6. Bonus: Wordcloud
